ETMEN TABANLI BENZETİM: ANYLOGIC TM YAZILIMI VE ÖRNEK BİR ÇALIŞMA

197 ETMEN TABANLI BENZETİM: ANYLOGIC TM YAZILIMI VE ÖRNEK BİR ÇALIŞMA Adil BAYKASOĞLU Zeynep D.U. DURMUŞOĞLU Latife GÖRKEMLİ ÖZET KüreselleĢmenin arttığı günümüzün rekabetçi ortamında iģletmeler birçok karmaģık problemle karģı karģıya kalmaktadır. DeğiĢkenliğin ve belirsizliğin nispeten daha az olduğu geçmiģ yıllarda, iģletmelerin problemlerini çözmek için önerilen klasik yöntemler, günümüz problemlerini çözmede bazen yeterli olamamaktadır. Bunun temel nedeni bu yöntemlerin belirli durumlara uygun çözüm üretmesi ancak sistemde meydana gelen değiģikliklere adapte olmakta yeterince baģarılı olamamasıdır. Bir baģka ifade ile günümüzde iģletmeler rekabet avantajı sağlayabilmek için en az maliyetli sistemle çalıģmanın yanı sıra sistemin değiģken koģullara hızlı biçimde tepki verebilmesini sağlamalıdırlar. DeğiĢken koģulları modelleyip çözüm üretebilmek için özellikle son yıllarda akademik ve ticari kuruluģlar tarafından ciddi ölçüde destek verilen bir konu haline gelen etmen teknolojisinden yararlanmak kaçınılmaz hale gelmiģ ve çeģitli etmen tabanlı yazılım sistemleri geliģtirilmiģtir. Bu yazılımlar sayesinde, yapısındaki değiģkenlik ve belirsizlikten dolayı modellenmesi ve çözülmesi zor olan problemler daha kolay modellenir ve çözülebilir hale gelmiģtir. Mevcut çalıģmada, söz konusu yazılımlardan biri olan aynı zamanda farklı ancak birbirini tamamlayan modelleme yaklaģımlarının (kesikli olaylı benzetimi, sistem dinamiği gibi) birlikte etkin bir Ģekilde kullanılmasını sağlayan AnyLogic TM yazılımı ele alınmıģ ve örnek bir model üzerinden detaylı olarak açıklanmıģtır. Anahtar Kelimeler: AnyLogic, Etmen tabanlı benzetim, Dinamik sistemler. ABSTRACT In today s competitive, global environment, companies are faced with many complex problems. Classical optimization approaches are usually dealing with problems which contain relatively less variability and uncertainty. This is usually not enough to solve today s complex problems. Since these classical approaches were designed to act for some definite states of the system, they have been incapable to be adapted to changing environmental conditions. In other words, along with the efforts of producing product with lower costs, companies should also seek for capabilities to response the rapid changes in the system for obtaining competitive advantage. In recent years, agent based modeling has been a very popular approach for modeling varying conditions by providing solutions both for the problems in academic world and in commercial organizations, and in this regard various agent based software systems have been introduced. With the help of these types of software, complex problems have been modeled and handled more easily. In this perspective, this study examines AnyLogic TM software which allows different complementary modeling approaches (such as discrete event simulation, system dynamics, etc.). Moreover, the study covers an example model of a consumer market and supply chain. First, the assumptions of the model are described, and then AnyLogic TM representation of the model is given. Finally, results of the example model are shown. Key Words: AnyLogic, Agent based simulation, Dynamic systems

198 1. GİRİŞ Gerçek hayatta karģılaģılan problemleri çözmek için, özellikle ortaya koyulan çözümlerin uygulanmasının, prototip oluģturulmasının maliyet ve/ya zaman kısıtları nedeni ile zor olduğu ortamlarda, modelleme tekniklerine baģvurulmaktadır. Problemin çözümünde dikkate alınan süre zarfında, dinamik değiģimler söz konusu ise modelleme tekniklerinden biri olan bilgisayarlı benzetim baģarılı sonuçlar vermektedir. Benzetim ile modellemede öne çıkan temel yaklaģımlar sistem dinamiği, kesikli olay ve etmen tabanlı yaklaģımlardır. Sistem dinamiği genellikle biriken değerlerin, değerler arasındaki akıģların, geri bildirimlerin vb. olduğu gerçek hayat problemlerini modellemede, kesikli olay benzetimi, pasif varlıklardan oluģan, bu varlıkların tanımlanmıģ akıģlara bağlı olarak bloklar arasında hareket ettiği, kullandıkları kaynakların tanımlandığı vb. sistemleri modellemede sıklıkta kullanılmaktadır. Etmen tabanlı modelleme de ise sistemde tanımlı varlıklar aktiftir, birbirleri ve çevreleri ile etkileģim içindedirler. Dağıtık yapıya sahip etmen tabanlı modelleme yaklaģımında, sistemin global davranıģı etmenlerin davranıģ biçimleri ve etkileģimlerinin sonucunda oluģmaktadır [1]. KarmaĢık problemlerin çözümünde gerekli olabilecek bütün bu yaklaģımların birlikte kullanılması, probleme uygulanabilir, hızlı oluģturulabilir, daha az maliyetli, değiģen koģullara uyum sağlayabilen çözümler elde edilmesinde etkilidir. Bu amaçla değiģken sistemleri modellemede belki de en etkili yaklaģımlardan biri olan etmen tabanlı benzetimden 2. bölümde bahsedilecektir. 3. bölümde ise söz konusu yaklaģımların birlikte kullanılabildiği ve farklı avantajlara sahip AnyLogic TM yazılımı bir örnek model üzerinden anlatılmıģtır. 2. ETMEN TABANLI BENZETİM VE ANYLOGIC TM Etmen tabanlı modelleme ve benzetim, karmaģık sistemleri modellemek için birbiri ile etkileģim içinde olan otonom etmenlerden oluģmuģ nispeten yeni bir yaklaģımdır [2]. Çoklu-etmen sistemleri çeģitli etmenlerin bazı amaçları baģarabilmek için etkileģtikleri ya da birlikte çalıģtıkları sistemlerdir [3]. Etmen tabanlı yaklaģımların problemleri çözmek için en belirgin özellikleri iģbirliği ve iletiģim mekanizmalarını kullanmalarıdır [4]. Dağıtık ve karmaģık yapıya sahip problemlerin çözümünde kullanılan etmen tabanlı benzetim yönteminde, modelin kontrolü dağıtıktır ve sistemde yer alan etmenler birbirleri ile ve çevreleri ile etkileģim içindedirler. Etmen tabanlı benzetim aģağıdaki durumlarda problem çözümünde tercih edilirse baģarılı sonuçlar elde edilebilir [5]. Problemin kapsadığı alan geniģse; etmen tabanlı yaklaģımlar problemi daha küçük yerel problemlere bölmeyi önerir, böylece büyük boyutlu problemlerin çözümü kolaylaģır. Sistemin parçalarının yetmezliği yüksek ise; merkezi yapıdaki çözüm yöntemleri alt sistemlerde meydana gelen hatalardan daha çok etkilenir; sistemin parçalarından biri hata görürse bağlantılardan dolayı tüm sistem hasar görür. Ancak etmen tabanlı sistemlerde sistemin bir parçasında problem varsa, dağıtık yapısından dolayı genellikle söz konusunu kısımda hata oluģur, genel süreç çalıģmaya devam edebilir. Eğer hızlı bir Ģekilde probleme çözüm elde edilmek isteniyorsa; etmenler kendileri ile ilgili çevre ile ilgilenip, kendileri ile ilgili kararlar verdikleri için, çok karmaģık problemler ile uğraģmazlar. Ayrıca etmenler senkronize bir Ģekilde hareket etmedikleri için baģka etmenlerin kararlarını da beklemek zorunda değildirler. Bunlar da problemlerin hızlı bir Ģekilde çözülmesine yardımcı olur. Eğer problemin yapısı da dağıtık ise; bu durumda etmen tabanlı benzetim çok daha uygundur. Problemin yapısı sık-sık değiģiyorsa; etmen tabanlı sistemler değiģimlere açıktır, sisteme yeni etmen ekleyip çıkarmak kolaydır. Kulkarni ve Tai [6] nin de belirttiği gibi; etmen tabanlı benzetimin, kesikli olay benzetimi ve sistem dinamiği gibi benzetim modelleriyle kıyaslandığında ortaya çıkan iki ayırt edici özelliği; etmenlerin popülasyondaki heterojenliğinin modellenmesi vurgusu ve kendini örgütlemedir. Kesikli olay benzetim

199 modelleri ile etmen tabanlı benzetim modellerini kıyaslayan bir baģka çalıģma da Siebers ve ark. [7] tarafından gerçekleģtirilmiģtir. Söz konusu kıyaslama Tablo 1 de verilmektedir. Tablo 1. Model Türünü Tanımlayan Özellikler [7] Kesikli Olay Benzetim Modelleri Süreç doğrultusunda (yukarıdan aģağıya modelleme yaklaģımı) odak noktası varlıklar değil de sistemin detaylı olarak modellenmesidir Yukarıdan aģağıya modelleme yaklaģımı Kontrol tek yürütme biriminden (Merkezi) Varlıklar pasiftir; varlıklar sistem boyunca hareket ederken bazı Ģeyler yaptırılır; zekâ (örneğin karar verme) sistemin bir parçası olarak modellenir Kuyruklar anahtar elemandır Varlıkların sistem boyunca akıģı; genel davranıģ modellenir Girdi dağılımları çoğunlukla toplamaya/ölçülen(amaçlanan) veriye dayalı Etmen Tabanlı Benzetim Modelleri Birey tabanlı (aģağıdan yukarıya modelleme yaklaģımı) odak noktası varlıklar ve aralarındaki iliģkidir AĢağıdan yukarıya modelleme yaklaģımı Her etmenin kontrollü kendi yürütme biriminden (Özerk) Varlıklar aktiftir; varlıklar bazı Ģeyler için inisiyatif alabilir; zeka her bir varlığın içinde tanımlanmıģtır Kuyruklar diye bir kavram yok AkıĢ kavramı yok; genel davranıģ modellenmez, bireysel etmenlerin küçük davranıģından ortaya çıkar Girdi dağılımları çoğunlukla teorilere ve öznel verilere dayalı KarmaĢık sistemlerin modellenmesinde ise çoğu zaman etmen tabanlı benzetimin yanında diğer benzetim tekniklerinin de birlikte kullanılması gerekmektedir. Farklı benzetim tekniklerinin birlikte yer aldığı modellerin oluģturulmasında etkin bir platform olan AnyLogic TM yazılımının web sitesi olan http://www.xjtek.com/ web sitesinde, gerek etmen tabanlı gerekse diğer benzetim tekniklerinin de birlikte kullanıldığı birçok uygulama çalıģmasına yer verilmiģtir. AnyLogic TM yazılımında etmen tabanlı bir model oluģturulurken genel olarak, araģtırmacı sistemdeki aktif varlıklar olan etmenleri, onların davranıģlarını, bulundukları çevreyi, birbirleri ile olan etkileģimlerini tanımlamalıdır. OluĢturulan benzetim modeli çalıģtırıldığında birbiri ve çevreleri ile iletiģim halindeki bireylerin etkileģim ve davranıģları sonucu sistemin genel davranıģı ortaya çıkmaktadır. AnyLogic TM etmen tabanlı kütüphanesi ve dinamik etmen oluģturma ve yok etme, etmenlerin bağlantıları ve haberleģmeleri gibi çeģitli tanımlamaları ile etmen tabanlı model oluģturmada, araģtırmacılara kolaylıklar sağlamaktadır [8]. Etmen tabanlı yazılımlar ile ilgili detaylı bilgi, Allan [9] in çalıģmasından edilebilir. Java programlama dilini ve nesne yönelimli programlama mantığını kullanması ile de araģtırmacıların dikkatini çeken AnyLogic TM yazılımı ile farklı alanlarda yapılan, birçok çalıģma mevcuttur. Örneğin, [10] melez sistemlerin dağıtık olarak modellenmesinde, [11] ve [12] tedarik zinciri yönetiminde, [13] malzeme taģıma sisteminin modellenmesinde, [13] araç çizelgelemede, [14] güvenilirlik ile ilgili çalıģmalarında AnyLogic TM yazılımı kullanmıģlardır. Anylogic TM yazılımını kullanan baģka bir çalıģma ise [16] tarafından gerçekleģtirilmiģtir. Söz konusu çalıģmada, araç yerleģtirme problemini çözebilmek için etmen tabanlı benzetim ve sistem dinamiği tekniklerinden oluģan bir yaklaģım AnyLogic TM platformunda modellenmiģtir. AnyLogic TM yazılımının sağladığı diğer avantajlardan bir kısmı aģağıda belirtilmiģtir [17]: Farklı ancak birbirini tamamlayan modelleme yaklaģımlarının (kesikli olaylı benzetimi, sistem dinamiği, etmen tabanlı modelleme gibi) birlikte etkin bir Ģekilde kullanılmasını sağlaması. Birçok benzetim programı bahsedilen özelliklerin birini kullanarak modelleme yapma imkanı sağlamaktadır. Hem basit kavramsal modellerin oluģturulmasında hem de büyük ölçekli modellerin çözümünün elde edilmesinde etkin olması. Gerektiğinde farklı platformlar ile bağlantı kurulabilmesi (Excel, DP, ERP, CRM, Java kullanmakta).

200 Nesne yönelimli programlama yapısına sahip olup bu duruma uygun kütüphanelerinin olması. OluĢturulan modellerin görsel olarak da izlenebilmesi. 3. ÖRNEK BİR ÇALIŞMA Farklı modelleme metotlarının problemlere daha etkin çözümler üretebilmek için birlikte kullanılabildiği AnyLogic TM platformu, bu modelleme yaklaģımlarının birlikte kullanıldığı bir örnek çalıģma [18] üzerinde detaylı olarak anlatılacaktır. Söz konusu örnek çalıģma AnyLogic TM yazılım firması, XJ Technologies, tarafından hazırlanmıģ olan How to Build, a Combined Agent Based/System Dynamics Model in AnyLogic isimli bilgilendirici rehberden alınmıģtır [18]. Örnek çalıģma, sisteme gerçek hayatta dinamik olarak ortaya çıkabilecek iki olay daha eklenerek geliģtirilmiģtir. Bunlardan birisi sisteme zamanla yeni tüketicilerin eklenmesi, diğeri ise pazara yeni bir firmanın girmesidir. Tüketici pazarı ve tedarik zinciri yönetimini temel alan örnek çalıģmada aģağıdaki durumlar dikkate alınmıģtır [18]: Rekabet halinde olan iki firma birbirinin muadili olan A ve B ürünlerini üretmektedir. Ürün fiyatları aynıdır. Tüketiciler (tüketici sayısı=1000) baģlangıçta bu ürünlere sahip değildir ancak hepsi de ürünler ile ilgilenmektedir (potansiyel kullanıcı). Tüketiciler reklamlara karģı duyarlı olup, diğer tüketicilerin fikirlerinden etkilenmektedirler. Ġki firmada reklam yapmaktadır. Reklam etkinliği=0.011 olup, söz konusu oranda potansiyel kullanıcı gün içerisinde üründen (A veya B) almaya karar vermektedir. Tüketiciler birbirleri ile görüģmekte olup, ortalama görüģme miktarı günde 5 kiģidir. Bu görüģmelerden potansiyel kullanıcılar etkilenmektir. Eğer A ürününü kullanan bir tüketici potansiyel bir kullanıcı ile görüģürse 0.015 olasılıkla A ürününü almak istemektedir. Aynı durum B ürünü için de geçerlidir. Satılan ürünlerden hatalı ürün çıkabilmekte olup (düzgün (17,23) gün), bu durumda firma hatalı ürünü yenisi ile değiģtirmektedir. A ürününü almak isteyen bir tüketici, ürünün hazır olmasını maksimum 2 gün süre ile beklemekte, eğer ürün maksimum sürede hazır olmazsa iki üründen hangisi hazır olursa onu almaktadır. Bu durum B ürünü için de geçerlidir. Ġki firmanın kendisi ait farklı tedarik zincirleri vardır. MüĢteriler sadece satıģ merkezlerinden alım yapabilmektedir ve baģlangıçta satıģ merkezlerinde 100 er adet ürün bulunmaktadır. Ürünler fabrikalarda üretilmektedir, üretim miktarları talebe bağlı olarak belirlenmektedir. Fabrikada üretimi tamamlanan ürünler satıģ merkezlerine 2 günde gönderilmektedir. A ve B ürünlerinin pazar paylarının, talep miktarlarının, tedarik zincirindeki envanter miktarlarının tespit edilmesi için benzetim modelinin oluģturulması ve sonuçların analizi önemlidir. Görüldüğü gibi sistemde zamana bağlı olarak değiģen tedarik zinciri aģamalarındaki stok miktarları, tüketiciler, tüketicilerin birbirleri ile etkileģimleri, tüketicilerin sistem dinamikleri ile etkileģimleri söz konusudur. Ayrıca burada dikkate alınan örnekte iki önemli değiģiklik yapılmıģ ve bu değiģiklikler de modele yansıtılmıģtır. Söz konusu değiģiklikler: Sistemdeki tüketici sayısı baģlangıçta 1000 olarak alınmıģ, buna ek olarak yeni tüketiciler önceden tanımlanmayan farklı zamanlarda (düzgün (0,3) gün) sisteme dahil edilmiģtir. Sistem çalıģmaya baģladıktan sonra diğer firmalarla aynı özelliklerde üretim yapan yeni bir firma baģlangıç satıģ merkezi stoku olmadan, önceden tanımlanmayan bir zamanda (düzgün (0,100) gün) pazara girmiģtir. C ürününe ait firma ve tüketici davranıģları diğer ürünler ile aynıdır. Ancak yeni ürün diğerlerine göre pazar payını artırmak için reklama daha fazla önem vermektedir, reklam etkinliği 0.3 olarak alınmıģtır.

201 AnyLogic TM yazılımı ile tüketiciler ve davranıģları etmen tabanlı olarak, tedarik zinciri ise sistem dinamikleri dikkate alınarak modellenmiģ, etkileģimler de dikkate alınarak bu farklı modelleme yaklaģımları birleģtirilmiģtir. Ayrıca söz konusu süre boyunca dinamik olarak geliģen durumlar da modele dahil edilmiģtir. ġekil 1. ve ġekil 2. de, oluģturulan modeldeki tedarik zinciri ve tüketicilerin davranıģlarına ait ara yüzler verilmiģtir. Tüketiciler modelde birer etmen olarak yer almaktadır. Tedarik zincirindeki ürünlerin sistemde farklı noktalarda stoklanması, sistem dinamikleri kullanılarak yapılmıģtır. Tüketicilerin (etmenlerin) davranıģları ise durumlar ve geçiģler kullanılarak modellenmiģtir. Mevcut durumdan baģka bir duruma geçiģ, tanımlanan belirli sürenin geçmesi, baģka bir tüketiciden mesaj gelmesi, bayi stokunda ürünün olup olmaması gibi çeģitli tetikleyici olaylar sonucunda olmaktadır. Sisteme dahil olan yeni tüketiciler, yapılan üretimlerin talebe bağlı olarak belirlenmesi ve yeni ürünün piyasaya girmesi olay tanımlaması kullanılarak yapılmıģtır. Aynı ortamda (çevre) bulunan etmenlerin birbirleri ile haberleģmeleri mesajlaģma ile olmuģtur. Şekil 1. OluĢturulan Modelin Ana Ara Yüzü. Şekil 2. OluĢturulan Modelde Tüketici Etmenine Ait Ara Yüz AnyLogic TM yazılımının bir diğer özelliği de, oluģturulan model ile ilgili sonuçların ve istatistiklerin görsel bir Ģekilde sunulmasıdır. ġekil 3. te model çalıģtırıldıktan sonra her bir firma için ortaya çıkan

202 pazar payları görülmektedir. Sistemdeki potansiyel tüketici miktarı zamanla artmakta olup, karģılanamayan talep söz konusudur. 3. firmanın büyük bir reklam ile pazara girmesi ile diğer 2 firmanın pazar payları düģmüģtür. Şekil 3. Firmaların Belirlenen Pazar Payları OluĢturulan model, firmaların pazar paylarının belirlenmesinde, tedarik zincirinde belirlenen noktalardaki stok miktarlarının tespitinde, firmaların reklam için katlanmaları gereken maliyetin belirlenmesinde etkilidir. Ayrıca sistemde karģılanamayan talebi, karģılamada en uygun üretim stratejisinin tespitinde önemli bir araç olan model, firmaların kalite kontrol faaliyetlerine ne kadar önem vermeleri gerektiğini belirlemede de karar vericiye destek verebilir. SONUÇ Mevcut çalıģmada, tek bir platformda, etmen tabanlı benzetim de dahil olmak üzere, farklı benzetim tekniklerinin kullanılmasına izin veren anylogic tm yazılımı ile örnek bir model anlatılmıģtır. Sonuçlardan da görüldüğü gibi, karmaģık ve değiģken sistemlerin modellenmesinde etmen tabanlı yaklaģımların kullanımı baģarılı sonuçlar vermektedir. Anylogic tm yazılımı etmen tabanlı benzetim için uygun bir platform olup, birçok farklı modelleme yaklaģımın birlikte kullanılmasına olanak sağlamaktadır. Farklı modelleme yaklaģımlarının birlikte kullanılması ile gerçek hayat problemlerine daha anlamlı ve uygulanabilir çözümler elde edilebilmektedir. KAYNAKLAR [1] BORSHCHEV, A., FILIPPOV, A., From System Dynamics and Discrete Event to Practical Agent Based Modeling: Reasons, Techniques, Tools, The 22nd International Conference of the System Dynamics Society, July 25-29, 2004, Oxford, England. [2] MACAL, C. M., NORTH, M. J., Tutorial on Agent-based Modeling and Simulation, Journal of Simulation, 4, 151-162, 2010. [3] LIU, J., ZHONG, W., JIAO, L., A Multiagent Evolutionary Algorithm for Combinatorial Optimization Problems. Systems, Man, and Cybernetics, Part B: Cybernetics, IEEE Transactions on, 40(1), 229-240, 2010. [4] YAN, Y., YANG, S., WANG, D., WANG, D., Agent based Evolutionary Dynamic Optimization, Agent-Based Evolutionary Search, 5, 97-116, 2010. [5] DAVIDSSON, P., JOHANSSON, S.J., PERSSON, J.A., WERNSTEDT, F., Agent-based Approaches and Classical Optimization Techniques for Dynamic Distributed Resource Allocation:

203 A preliminary study, In AAMAS 03 workshop on Representations and Approaches for Time Critical Decentralized Resource/Role/Task Allocation, 2003. [6] KULKARNI, A.J., TAI, K., Probability Collectives: A Multi-Agent Approach for Solving Combinatorial Optimization Problems, Applied Soft Computing, 10, 759 771, 2010. [7] SIEBERS, P.O., MACAL, C.M., GARNETT, J., BUXTON, D., PIDD, M., Discrete-event Simulation is Dead, Long Live Agent-based Simulation!, Journal of Simulation, 4, 204-210, 2010. [8] http://www.xjtek.com/anylogic/approaches/agentbased/, son eriģim, 18.06.2011 [9] ALLAN, R. J., Survey of Agent Based Modeling and Simulation Tools, Science and Technology Facilities Council, Technical Report, DL-TR-2010-007, October 2010. [10] BORSHCHEV, A., KARPOV, Y., KHARĠTONOV, V., Distributed Simulation of Hybrid Systems with AnyLogic and HLA, Future Generation Computer Systems, 18(16), 829-839, 2002. [11] WANG, S., LIU, S., WANG, W., The Simulated Impact of RFID-Enabled Supply Chain on Pull- Based Inventory Replenishment in TFT-LCD Industry, International Journal of Production Economics, 112(2), 570-586, 2008. [12] LAM, C.Y., IP, W.H., A Customer Satisfaction Inventory Model for Supply Chain Integration, Expert Systems with Applications, 38(1), 875-883, 2011. [13] HAO, Q., SHEN, W., Implementing a Hybrid Simulation Model For a Kanban-Based Material Handling System, Robotics and Computer-Integrated Manufacturing, 24(5), 635-646, 2008. [14] MERKURYEVA, G., BOLSHAKOVS, V., Vehicle Schedule Simulation with AnyLogic, 12th International Conference on Computer Modelling and Simulation, 169-174, 2010. [15] EUSGELD, I., NAN, C., DIETZ, S., System-Of-Systems Approach for Interdependent Critical Infrastructures, Reliability Engineering & System Safety, 96, 679-686, 2011. [16] BAYKASOĞLU, A., DURMUġOĞLU, Z.D.U., GÖRKEMLĠ, L., Solving Vehicle Deployment Planning Problem by Using Agent Based Simulation Modeling, 2nd International Symposium on Computing in Science & Engineering, Gediz University Publications, editor: M. GüneĢ, ISBN:978-605-61394-2-0, pp.338-340, KuĢadası, Aydın, Turkey, June, 1-4, 2011. [17] http://www.xjtek.com/anylogic/why_anylogic/, son eriģim, 18.06.2011 [18] http://www.xjtek.com/, Tutorial, How to Build, a Combined Agent Based/System Dynamics Model in AnyLogic, XJ Technologies, Tutorial Based on the Materials of AnyLogic Workshop, System Dynamics Conference 2008 - Multimethod Simulation Software Tool AnyLogic, 2008. ÖZGEÇMİŞ Adil BAYKASOĞU Prof. Dr. Adil Baykasoğlu Isparta Teknik Lisesi Makina bölümünden mezun olduktan sonra Lisans ve Yüksek Lisans derecelerini Makina Mühendisliği alanında 1993 ve 1995 yıllarında Gaziantep te, doktora derecesini ise YÖK bursu ile gittiği Nottingham Üniversitesinden 1999 yılında Endüstri Mühendisliği alanında almıģtır. 1993-2010 yılları arasında Gaziantep Üniversitesi Endüstri Mühendisliği Bölümünde çalıģan Prof. Baykasoğlu halen Dokuz Eylül Üniversitesi Endüstri Mühendisliği bölümünde çalıģmaktadır. Prof. Baykasoğlu ulusal ve uluslar arası bilimsel dergi ve kongrelerde 300 civarında bilimsel makale yayımladı. Yazarın ayrıca üç adet yayımlanmıģ kitabı, düzenleyip editörlüğünü yaptığı çeģitli ulusal ve uluslar arası kongre kitapları bulunmaktadır. Yazarın çalıģma alanları genelde yöneylem araģtırması, biliģimsel yapay zekâ, zeki etmenler, lojistik ve üretim sistemleri yönetimi/tasarımı, bilgisayar destekli üretim, kalite ve benzetim konuları üzerinde yoğunlaģmaktadır. Prof. Baykasoğlu çok sayıda uluslararası dergide hakem ve yayın kurulu üyesi olarak görev yapmakta olup aynı zamanda Turkish Journal of Fuzzy Systems dergisinin eģeditörlüğünü yürütmektedir. Prof. Baykasoğlu na 2007 yılında Türkiye Bilimler Akademisi Üstün BaĢarılı Genç Bilim Ġnsanı ödülü, 2008 yılında ODTÜ M. Parlar araģtırma teģvik ödülü, 2010 yılında ise Tübitak TeĢvik ödülü verilmiģtir. Zeynep Didem UNUTMAZ DURMUŞOĞLU Zeynep D.U. DurmuĢoğlu Gaziantep Üniversitesi Endüstri Mühendisliği Bölümü nde araģtırma görevlisi olarak çalıģmaktadır. Lisans ve yüksek lisans derecelerini Gaziantep Üniversitesi Endüstri

204 Mühendisliği Bölümü nden 2006 ve 2009 yıllarında almıģtır. ġu an ise yine Gaziantep Üniversitesi Endüstri Mühendisliği Bölümünde doktora çalıģmalarına devam etmektedir. AraĢtırma ve ilgi alanları, yöneylem araģtırması modelleri ve teknikleri, benzetim, sezgiseller, müzakere mekanizmaları, çoklu ajan sistemleri. Latife GÖRKEMLİ Latife Görkemli Erciyes Üniversitesi Endüstri Mühendisliği Bölümü nde araģtırma görevlisidir. Lisans ve yüksek lisans derecelerini Erciyes Üniversitesi Endüstri Mühendisliği Bölümü nden 2007 ve 2009 yıllarında almıģtır. ġu an Gaziantep Üniversitesi Endüstri Mühendisliği Bölümünde doktora çalıģmalarına devam etmektedir. AraĢtırma ve ilgi alanları, yöneylem araģtırması modelleri ve teknikleri, benzetim ve sistem dinamikleri, rastsal süreçler ve modelleme, bulanık küme teorisi, ajan teorisi.